Robotics

الروبوتيات مجال هندسي يصمم الروبوتات ويبنيها ويبرمجها: وهي آلات تستشعر ما يحيط بها، وتقرر ما ينبغي فعله، وتؤثر في العالم المادي عبر المحركات والمشغّلات الأخرى. ويجمع هذا المجال بين الهندسة الميكانيكية والكهربائية ونظرية التحكم وعلوم الحاسوب. وتعيد الروبوتات الصناعية التقليدية تنفيذ حركات مبرمجة مسبقًا داخل خلايا مسوّرة، أما الذكاء الاصطناعي (AI) فيتيح للروبوتات الأحدث التعامل مع التباين: كالعثور على أجزاء لا توجد أبدًا في الموضع نفسه تمامًا، وتجنب الأشخاص، وتعلّم مهارات المناولة من العروض التوضيحية بدلًا من التعليمات البرمجية المكتوبة يدويًا.

آلية عمل الروبوت: الاستشعار والتخطيط والتنفيذ#

تتبع معظم برمجيات الروبوتات بنية الاستشعار والتخطيط والتنفيذ التي تعمل باستمرار:

• الاستشعار: تقيس الكاميرات ومستشعرات العمق والليدار ووحدات القياس بالقصور الذاتي (IMUs) ومشفّرات المفاصل ومستشعرات القوة والعزم العالمَ والروبوت نفسه.
• الإدراك: تحوّل نماذج الرؤية الحاسوبية الصور الخام إلى كائنات وأشخاص وأسطح ومسافات من خلال اكتشاف الكائنات والتجزئة وتقدير الوضعية وتقدير العمق.
• تقدير الحالة ورسم الخرائط: يقدّر دمج المستشعرات باستخدام مرشحات مثل مرشح كالمان موضع الروبوت وحركته، كما ينشئ تحديد الموقع ورسم الخرائط المتزامنان المرئيان خريطة للأماكن المجهولة مع تتبع الروبوت داخلها.
• التخطيط: تحدد مخططات المهام ما ينبغي فعله بعد ذلك، وتحسب مخططات الحركة مسارات خالية من الاصطدام للعجلات أو الأذرع.
• التحكم: تشغّل وحدات التحكم منخفضة المستوى، بدءًا من حلقات PID وصولًا إلى التحكم التنبؤي بالنموذج، المحركاتَ لتتبع الخطة، وغالبًا ما تفعل ذلك مئات المرات في الثانية.

تربط البرمجيات الوسيطة مثل ROS 2 (نظام تشغيل الروبوتات) هذه الأجزاء بوصفها عمليات منفصلة تتبادل الرسائل عبر موضوعات مسماة. وتكتمل الحلقة لأن كل إجراء يغير ما تراه المستشعرات لاحقًا:

الرؤية ضمن حلقة التحكم#

يجب أن يوفر الإدراك النتائج بسرعة كافية للتخطيط على حاسوب الروبوت نفسه، الذي غالبًا ما يكون وحدة GPU مضمّنة مثل NVIDIA Jetson. يشغّل دليل البدء السريع لـROS من Ultralytics Ultralytics YOLO26 بوصفه عقدة ROS تشترك في موضوع الكاميرا وتنشر اكتشافات وتقسيمات مشروحة وأسماء الفئات المكتشفة ومسافات الكائنات المستخرجة من صور العمق لتستخدمها العقد الأخرى. ويمكن تنفيذ خطوة الانتقال من الإدراك إلى الفعل نفسها ببضعة أسطر من Python، كما في هذا المثال الذي يوقف روبوتًا متنقلًا فور ظهور شخص في بث الكاميرا:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"

# Sense-act loop: read frames as they arrive and stop as soon as a person is detected
for frame_idx, result in enumerate(model.predict(video, stream=True, classes=[0])):
    if len(result.boxes) > 0:
        print(f"Person detected in frame {frame_idx}: sending stop command")
        break

باستخدام stream=True، ينتج النموذج نتيجة واحدة لكل إطار أثناء قراءة الفيديو، وهو النمط نفسه المستخدم مع فهرس كاميرا مباشرة مثل source=0.

الروبوتيات القائمة على التعلّم#

أصبح الإدراك المتعلّم معيارًا شائعًا الآن، كما امتد التعلّم بصورة متزايدة إلى التخطيط والتحكم أيضًا:

• التعلّم بالمحاكاة: تتعلم الروبوتات من العروض التوضيحية التي تُدار عن بُعد عبر الاستنساخ السلوكي. وقد جعلت تقنيات مثل تجميع الأفعال وسياسات الانتشار هذا النهج عمليًا للمناولة الدقيقة، مثل طي الغسيل أو إدخال الموصلات.
• التعلّم المعزز في المحاكاة: تنتقل السياسات المدرّبة باستخدام التعلّم المعزز عبر ملايين التجارب المحاكية إلى العتاد الحقيقي بمساعدة عشوائية المجال، التي تغير الفيزياء والمظهر كي يبدو العالم الحقيقي تنويعًا إضافيًا. وتُدرّب بهذه الطريقة عادةً وحدات التحكم للمشي والجري الرشيقين في الروبوتات رباعية الأرجل والروبوتات الشبيهة بالبشر.
• النماذج التأسيسية للروبوتات: تربط نماذج الرؤية واللغة والفعل صور الكاميرا وتعليمات اللغة الطبيعية مباشرةً بأوامر المحركات. ومن أمثلتها π0 من Physical Intelligence، وGemini Robotics من Google DeepMind، ونماذج Isaac GR00T المفتوحة من NVIDIA للروبوتات الشبيهة بالبشر. وتُجمع بيانات التدريب من روبوتات متعددة، كما في مجموعة بيانات Open X-Embodiment التي تضم أكثر من مليون مسار من 22 نوعًا من الروبوتات.

غالبًا ما تُدرج هذه الأساليب ضمن الذكاء الاصطناعي المتجسد والذكاء الاصطناعي الفيزيائي، وهما مجالان بحثيان في الذكاء الاصطناعي يهتمان بالوكلاء الذين يدركون العالم ويتفاعلون معه عبر جسم.

الروبوتيات مقارنةً بأتمتة العمليات الروبوتية#

تشترك أتمتة العمليات الروبوتية (RPA) مع الروبوتيات في كلمة «روبوتية»، لكنها لا تستخدم أي عتاد: إذ إن «روبوتات» RPA برمجيات تؤتمت الأعمال الرقمية المتكررة، مثل نسخ البيانات بين تطبيقات الأعمال أو معالجة الفواتير. أما الروبوتيات فتتضمن دائمًا آلة مادية، مثل الروبوت رباعي الأرجل Spot من Boston Dynamics، الذي يجوب موقع إنشاءات لالتقاط صور التفتيش.

التطبيقات#

• التصنيع: تلحم الأذرع المفصلية وتطلي وتجميع، بينما تعمل الروبوتات التعاونية (cobots) إلى جانب الأشخاص بسرعات وقوى أقل. وتوجّه الرؤية التقاط القطع من الصناديق، كما تفحص الأجزاء بحثًا عن العيوب.
• الخدمات اللوجستية: تتنقل الروبوتات المتنقلة الذاتية (AMRs) في المستودعات باستخدام الخرائط والإدراك على متنها، وتعيد تحديد المسارات لتجاوز العوائق، بينما كانت المركبات الموجهة الآلية (AGVs) الأقدم تتبع مسارات ثابتة من الشريط أو الأسلاك.
• الزراعة: تزيل الروبوتات الأعشاب الضارة وتخفف كثافة المحاصيل وتحصدها، مستخدمةً الرؤية للتمييز بين النباتات.
• الرعاية الصحية: تحوّل الأنظمة الجراحية التي تُدار عن بُعد حركات يد الجرّاح إلى حركات دقيقة للأدوات، كما تنقل الروبوتات المتنقلة الإمدادات داخل المستشفيات.
• النقل: المركبات ذاتية القيادة والطائرات المسيّرة روبوتات متنقلة تنفذ حلقة الاستشعار والتخطيط والتنفيذ نفسها بسرعات أعلى.

وفقًا لـالاتحاد الدولي للروبوتات، رُكّب 542,000 روبوت صناعي حول العالم في عام 2024، وكان 54% منها في الصين، ليصل عدد الروبوتات العاملة إلى نحو 4.66 مليون.